最近看了一篇论文，尝试下载论文给的源码并运行。之前一直不会看论文的源码，一直运行不成功，直到今天遇见了这篇论文的源码，终于让我体会到了运行文件的快乐。（虽然是很没有含金量的复制粘贴，但是我也很开心哈哈哈哈）

标题：Double‑head transformer neural network for molecular property prediction
双头Transformer 神经网络在分子性质预测中的应用
doi：10.1186/s13321-023-00700-4
类型：分子性质预测

下面开始记录我的运行过程。
系统设备：Macbook Air 2020 ，M1
框架：pytorch

首先打开论文给的[源码地址]：https://github.com/songyuanbing6/dhtnn，并下载代码。

阅读 README.md 文件，根据文件下载所需配置。

如，安装rdkit包：pip install rdkit

使用 pip list 查看已安装的python包

全部安装完成后，开始执行命令。

根据提示，path 替换为数据集的路径，type替换为任务类型：classification 或者 regression， dir 替换为训练好的模型存放路径。

在终端进入源码包的目录，确认当前操作在源码包中进行。

确认我现在要用data 文件夹里的 bace.py 文件来训练模型，type为classification，模型保存到桌面的bace文件夹中，路径为：/Users/aminoacid/Desktop/bace

在终端中输入指令：

chemprop_train --data_path /Users/aminoacid/Desktop/dhtnn-master/data/bace.csv --dataset_type classification --save_dir /Users/aminoacid/Desktop/bace

回车运行。
或者输入指令：

python3 train.py --data_path /Users/aminoacid/Desktop/dhtnn-master/data/bace.csv --dataset_type classification --save_dir /Users/aminoacid/Desktop/bace

等待一段时间后即可运行完成，查看运行结果。

如果要使用其他数据集训练，替换相应的参数就行。

训练出来的结果我还不会看，争取早日会看哈哈哈哈哈哈！